Googlenews的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列免費下載的地點或者是各式教學

使用深度學習處理醫療問診對話中省略以及指涉現象

為了解決Googlenews的問題，作者黃兆湘 這樣論述：

在中文自然語言對話中，經常會出現省略現象與指涉現象。因此在設計對話系統的時候，需要加入處理省略及指涉現象的功能才行。許多研究都提到特定領域的省略指涉處理比較能達到一定的成功率，本論文即針對醫療問診領域進行省略指涉處理的研究。本論文銜接Lin et al. (2016) 論文在醫療問診領域對話系統省略指涉處理的研究，加入深度學習的方法來提升正確率。除了測試原先提出的規則式系統與機器學習方法外，另測試了各種類神經網路模型、各種詞嵌入方法、加入省略指涉相關特徵等方法。在類神經網路模型方面，我們嘗試了多層感知機 (multiple layer perceptron, MLP)、雙向循環神經網路 (b

idirectional recurrent neural network, biRNN)、雙向長短期記憶網路(bidirectional long short-term memory, biLSTM)以及BERT (bidirectional encoder representations from transformers) 等。詞嵌入則測試了Google公司開發的GoogleNews word embedding、BERT，還有實驗室自行以中文維基百科訓練的word embedding、直接以實驗資料集做為訓練資料等方法。實驗結果發現，規則與深度學習的混合式系統在省略處理工作中都能獲得最

好的效能。指涉分類最好的系統是BERT，指涉偵測還原的最佳系統仍是規則式系統，可能是訓練資料量過少的關係。此外，也將Lin et al. (2016) 論文中提出的各種規則或機器學習用到的特徵轉成類神經網路的輸入資訊，確實提昇了省略偵測的效能。